端到端客户流失预测系统：从数据清洗到实时API的完整实现

本项目是基于电信行业客户数据构建的端到端机器学习工程方案，涵盖SMOTE过采样处理类别不平衡、多模型对比选型、FastAPI实时预测服务及Tableau可视化分析，完整覆盖从数据清洗到生产部署的全流程，为企业客户流失预测提供可落地的技术参考。项目来源为GitHub上fahad8-commits维护的customer-churn-prediction项目，发布于2026年6月。

在电信等行业中，客户流失是核心挑战，获取新客户成本是保留现有客户的5倍以上。本项目针对电信行业，使用含约7000条记录的Telco Customer Churn数据集，目标为二元分类预测客户是否流失，数据涵盖人口统计、服务订阅、合同条款及账单数据等维度。

数据特征分类：

• 人口统计特征：性别、年龄、配偶/家属状态
• 服务使用特征：电话/互联网服务类型、在线安全等订阅状态
• 合同与账单特征：合同类型、支付方式、在网时长、月/总消费金额

核心挑战：类别不平衡（流失客户仅占15%-20%），未处理会导致模型偏向预测多数类，降低流失客户识别能力。

ETL数据管道：实现数据加载、清洗、特征准备及存储的自动化流程 特征工程：处理缺失值（如Total Charges字段空白）、类别编码（独热/标签编码）、特征缩放、训练测试划分 类别不平衡处理：采用SMOTE技术生成合成少数类样本，平衡训练数据以提升模型对流失客户的识别能力。

训练对比多种算法：

• 基线模型：逻辑回归（可解释性强）
• 树模型家族：决策树（易过拟合）、随机森林（Bagging集成）、XGBoost（梯度提升，重点优化）

通过准确率、精确率、召回率、F1分数及ROC-AUC等指标评估，选择验证集表现最佳模型部署。

FastAPI实时预测：构建POST /predict端点，接收客户特征JSON返回流失概率，使用Uvicorn运行，支持本地/云端部署 Tableau仪表板：提供核心指标（客户总数、流失率等）及多维度分析（合同类型、月消费、在网时长与流失的关联），助力业务人员数据洞察。

成果：覆盖MLOps核心环节，解决类别不平衡问题，实现模型服务化与可视化，为开发者提供完整工程实践参考 未来方向：计划集成AWS S3、Docker容器化、CI/CD流水线、自动模型重训练及Streamlit应用，向完整MLOps体系演进。